图像的边缘细节信息直接影响图像的视觉质量。传统的超分辨算法会出现边缘模糊和锯齿等现象，本课题分析了国内外的成果，把张量能保持图像局部结构信息的特征引入到超分辨中，根据张量所对应的特征向量和特征值分别对超分辨技术难题进行了深入研究。　　基于张量对应的特征向量的超分辨算法研究，该算法利用局部张量所描述的图像几何特征增强了图像边缘，首先计算出采样点的张量，然后利用双线性插值估计出待插值点的张量，其次根据待插值点的张量所对应的特征向量与采样点的张量对应的特征向量的夹角大小来决定采样点所占的权重，再把采样点与待插值点的距离也作为一个权重，然后把这两个权重的乘积来作为采样点的综合权重，最后计算出待插值点的灰度值，完成超分辨图像。实验表明，所提算法能够很好保持图像局部结构信息，减少边缘模糊的特征，有很好的适用性。　　基于张量对应的特征值的超分辨算法研究，该方法利用张量对图像局部几何特征进行描述，然后根据采样点的局部特征估计待插值点的局部特征，把待插值的点分为平滑区、边缘区、角点;其次根据不同的区域计算出采样点局部结构的权重，再结合采样点与待插值点的距离作为一个权重;最后把二者权重结合起来作为采样点的一个综合权重，计算出待查值点的灰度值。实验结果表明所提算法能够较好的保持图像中的边缘结构信息，客观评价指标和主观视觉效果都比较好。　　最后本文介绍了基于张量的单幅图像超分辨算法的运行环境及实现方法，实验证明了所提算法的优势，以及在市场的应用领域。